Kết quả ước lượng và kiểm đi ̣nh mô hình hồi quy

CHƯƠNG 1 : GIỚI THIỆU VỀ LUẬN VĂN

4.5 Kết quả nghiên cứu

4.5.2 Kết quả ước lượng và kiểm đi ̣nh mô hình hồi quy

 Kiểm đi ̣nh hồi quy theo mơ hình Pooled OLS, FEM và REM

Bảng 4.3: Kết quả kiểm định OLS

CAR Coef. Std. Err. t P>t [95% Conf. Interval]

SIZE -0.016 0.007 -2.09 0.039 -0.030 -0.001 DEP -0.191 0.051 -3.7 0 -0.292 -0.089 LOA 0.221 0.053 4.13 0 0.115 0.326 LLR -0.302 0.958 -0.31 0.754 -2.197 1.594 LIQ -0.311 0.198 -1.57 0.118 -0.702 0.080 ROE -0.149 0.079 -1.89 0.06 -0.304 0.007 LEV -0.015 0.003 -4.55 0 -0.022 -0.009 GDP 1.537 0.939 1.64 0.104 -0.321 3.395 _cons 0.360 0.099 3.65 0 0.165 0.556

Nguồn: kết quả xử lý dữ liê ̣u từ phần mềm STATA Mô hình đã giải thích được 59,98% sự thay đổi của CAR ta ̣i các NHTM ta ̣i Viê ̣t Nam (R2= 59,98%). Như kết quả hồi quy cho thấy, DEP, LOA và LEV có ý nghĩa thống kê ta ̣i mức 1%, biến SIZE có ý nghĩa thống kê ta ̣i mức 5%, biến ROE có ý nghĩa thống kê ta ̣i mức 10% và tác đô ̣ng đến CAR. Ngoài ra các biến đô ̣c lâ ̣p khác không có ý nghĩa thống kê. Tuy nhiên, nhược điểm của mô hình Pool OLS không phản ánh được

Mơ hình hồi quy OLS chỉ đơn giản là phương pháp ước lượng bình phương nhỏ nhất. Tuy nhiên, phương pháp OLS này sẽ thích hợp nếu khơng có sự tồn tại các yếu tố riêng biệt (từng ngân hàng) và yếu tố thời gian. Theo Gujarati (2004), việc sử dụng phương pháp OLS bỏ qua bình diện khơng gian và thời gian của dữ liệu kết hợp, kết quả ước lượng có thể sẽ bị thiên lệch. Vì thế phương pháp ước lượng hiệu ứng tác động FEM và REM sẽ phù hợp hơn vì khơng bỏ qua yếu tố thời gian và yếu tố riêng biệt.

Bước tiếp theo là cha ̣y mô hình hồi quy theo 2 hiê ̣u ứng: hiê ̣u ứng tác đô ̣ng cố đi ̣nh – FEM (Fixed Effect Model) và hiê ̣u ứng tác đô ̣ng ngẫu nhiên – REM (Random Effect Model), hai mô hình này để kiểm soát các yếu tố đă ̣c trưng có tác đô ̣ng đến CAR. Dù ng kiểm đi ̣nh Hausman lựa cho ̣n mô hình FEM hay REM, với giả thuyết Ho: Mô hình REM là phù hợp. Ta được kết quả như sau:

Bảng 4.4: Kết quả kiểm định Hausman

(b) (B) (b-B) sqrt(diag(V_b-V_B)) fe re Difference S.E. SIZE -0.046 -0.027 -0.019 0.007 DEP -0.079 -0.131 0.052 0.022 LOA 0.148 0.192 -0.044 0.047 LLR 0.586 0.155 0.431 0.460 LIQ 0.008 -0.095 0.102 0.221 ROE -0.169 -0.156 -0.013 0.044 LEV -0.015 -0.014 -0.001 0.002 GDP 1.505 1.603 -0.097 . chi2(8) = (b-B)'[(V_b-V_B)^(-1)](b-B)= 16.55, Prob>chi2 = 0.0352

Nguồn: kết quả xử lý dữ liê ̣u từ phần mềm STATA Prob>chi2 = 0.0352, kết quả cho thấy P-value = 0.0352 < 0.05, bác bỏ giả thuyết Ho. Như vậy mô hình FEM phù hợp hơn REM trong nghiên cứu các nhân tố tác đô ̣ng đến CAR ta ̣i các NHTM Viê ̣t Nam. Kết quả mô hình FEM như sau:

Bảng 4.5: Kết quả chạy mơ hình FEM

CAR Coef. Std. Err. t P>t [95% Conf. Interval]

SIZE -0.046 0.010 -4.450 0.000 -0.067 -0.026 DEP -0.079 0.057 -1.390 0.169 -0.192 0.034

LOA 0.148 0.076 1.940 0.055 -0.003 0.300 LLR 0.586 1.106 0.530 0.597 -1.605 2.777 LIQ 0.008 0.325 0.020 0.981 -0.636 0.651 ROE -0.169 0.093 -1.820 0.072 -0.353 0.015 LEV -0.015 0.004 -3.920 0.000 -0.023 -0.008 GDP 1.505 0.795 1.890 0.061 -0.070 3.081 _cons 0.658 0.140 4.700 0.000 0.381 0.936

Kết quả hồi quy tuyến tính có hệ số xác định R2 là 0.4770. Kết quả này hàm ý rằng các biến độc lập đưa vào mơ hình giải thích được 47.7% sự thay đổi của biến phụ thuộc CAR, còn 52.3% sự biến động của CAR có thể được giải thích nhờ các biến khác mà nghiên cứu chưa đề cập đến.

Nhận thấy: Prob > F = 0.0000, kết quả này hàm ý rằng giả thiết về các hệ số hồi quy đồng thời bằng 0 đều bị bác bỏ với mức ý nghĩa 1%. Nghĩa là mơ hình này phù hợp và có ý nghĩa thống kê.

Bên cạnh đó, Coef là hệ số tác động của biến độc lập lên biến phụ thuộc CAR. P>|t| cho biết ý nghĩa thống kê của biến độc lập trong mối quan hệ với biến phụ thuộc CAR. Trong đó biến SIZE và LEV có ý nghĩa thống kê ở mức 1%, biến LOA, ROE và GDP có ý nghĩa thống kê ở mức 10%. Các biến cịn lại khơng có ý nghĩa thống kê.

 Kiểm đi ̣nh mơ ̣t số khuyết tâ ̣t của mô hình

 Kiểm đi ̣nh hiê ̣n tươ ̣ng đa cô ̣ng tuyến

Bảng 4.6: Kết quả kiểm định hiê ̣n tượng đa cộng tuyến

Variable VIF SQRT VIF Tolerance R- Squared SIZE 3.34 1.83 0.299 0.701 DEP 1.76 1.33 0.569 0.431 LOA 2.3 1.52 0.435 0.566 LLR 1.54 1.24 0.651 0.349 LIQ 1.14 1.07 0.880 0.120 ROE 1.43 1.19 0.701 0.299 LEV 3.54 1.88 0.282 0.718 GDP 1.11 1.05 0.903 0.097 Mean VIF 2.02

Nguồn: Kết quả xử lý dữ liê ̣u từ phần mềm STATA Để kiểm đi ̣nh hiê ̣n tượng đa cô ̣ng tuyến, nghiên cứu sử du ̣ng thước đo của hiê ̣n tượng đa cô ̣ng tuyến là nhân tử phóng đa ̣i phương sai, ký hiê ̣u là VIF. Kết quả hồi quy trên cho thấy VIF = 2.02 nhỏ hơn 10, như vâ ̣y không có hiê ̣n tượng đa cô ̣ng tuyến.

 Kiểm đi ̣nh hiê ̣n tươ ̣ng phương sai thay đổi

Để kiểm đi ̣nh hiê ̣n tượng phương sai thay đổi, trong luâ ̣n văn này tác giả sử du ̣ng kiểm đi ̣nh Wald với giả thuyết Ho: Phương sai không đổi. Kết quả kiểm đi ̣nh cho thấy Prob > chi2 = <0.05, như vâ ̣y bác bỏ giả thuyết Ho. Điều này có nghĩa là có hiê ̣n tượng phương sai thay đổi trong mô hình hồi quy của CAR.

 Kiểm định hiện tượng tự tương quan

Bảng 4.7: Ma trận tự tương quan giữa các biến trong mô hình.

SIZE SIZE SIZE SIZE SIZE SIZE SIZE SIZE SIZE SIZE 1 DEP -0.6837 1 LOA -0.3829 0.3094 1 LLR -0.0368 0.0116 0.5036 1 LIQ -0.25 0.3802 0.2728 -0.1528 1 ROE -0.1023 0.0857 0.0527 0.168 -0.1416 1 LEV -0.3504 0.3731 -0.0567 0.0069 -0.1433 0.1777 1 GDP -0.6201 0.682 0.4173 0.4749 0.0747 0.0536 0.3584 1 SIZE 0.1308 -0.0792 -0.2062 -0.0673 -0.179 0.0951 0.1936 -0.0326 1

Nguồn: kết quả xử lý dữ liê ̣u từ phần mềm STATA. Dựa vào kết quả của bảng ma trâ ̣n tự tương quan ta thấy các biến giải thích đều có mối tương quan với biến đô ̣c lâ ̣p. Trong đó, biến SIZE có mối tương quan chă ̣t chẽ nhất với CAR với hê ̣ số tương quan là 68,37% và mối tương quan này là ngược chiều. Tuy nhiên các hê ̣ số tương quan giữa các biến đều có giá tri ̣ nhỏ hơn 0.8. Do đó, mô hình không xảy ra hiê ̣n tượng tự tương quan.

Như vâ ̣y qua các kiểm đi ̣nh ta thấy mô hình bi ̣ mô ̣t khuyết tâ ̣t là phương sai thay đổi. Theo Gujarati (2004) cũng như Pha ̣m Trí Cao (2010) cách khắc phu ̣c khi bi ̣ phương sai thay đổi là cho ̣n mô hình hồi quy bình phương bé nhất tổng quát – Generalized Least Squares (GLS). Với phương pháp này thì mô hình mới sẽ thoả mãn các giả thiết cổ điển.

Bảng 4.8: Kết quả kiểm định FGLS

CAR Coef. Std. Err. z P>z [95% Conf. Interval]

SIZE -0.016 0.007 -2.160 0.031 -0.030 -0.001 DEP -0.191 0.050 -3.830 0.000 -0.288 -0.093 LOA 0.221 0.052 4.270 0.000 0.119 0.322 LLR -0.302 0.927 -0.330 0.745 -2.119 1.516 LIQ -0.311 0.191 -1.620 0.104 -0.686 0.064 ROE -0.149 0.076 -1.960 0.050 -0.298 0.000 LEV -0.015 0.003 -4.700 0.000 -0.022 -0.009 GDP 1.537 0.909 1.690 0.091 -0.244 3.318 _cons 0.360 0.095 3.780 0.000 0.173 0.547

Nguồn: kết quả xử lý dữ liê ̣u từ phần mềm STATA. Như vậy từ bảng kết quả trên cho ta thấy, tồn tại 6 biến có mối liên quan chặt chẽ với CAR. Các biến DEP, LEV, SIZE, ROE có ý nghĩa thống kê ở các mức 1%, 5% và có mối tương quan nghịch với CAR. Cụ thể khi biến DEP tăng (giảm) 1% thì sẽ là cho CAR giảm (tăng) 0,191% hay khi ROE tăng (giảm) 1% sẽ làm cho CAR giảm (tăng) 0,149%... Cịn đối với các biến LOA, GDP có ý nghĩa thống kê lần lượt ở mức 1%, 10% và có mối tương quan thuận với CAR. Cụ thể khi biến LOA tăng (giảm) 1% thì CAR cũng sẽ tăng (giảm) 0,221% và khi biến GDP tăng (giảm) 1% thì CAR cũng tăng (giảm) 1,537%. Các biến cịn lại khơng có ý nghĩa thống kê.

Như vâ ̣y theo kết quả nghiên cứu thì trong giai đoa ̣n từ năm 2007 – 2014 có 6 yếu tố chính tác đô ̣ng đến khả năng sinh lời. Cu ̣ thể được mơ tả trong bảng sau:

Bảng 4.9: Tóm tắt kết quả hồi quy đối với biến phụ thuộc CAR

STT Giả thiết nghiên cứu Kỳ vo ̣ng Kết quả

1 SIZE có quan hê ̣ nghi ̣ch biến với CAR - - 2 DEP có quan hê ̣ nghi ̣ch biến với CAR - - 3 LOA có quan hê ̣ đồng biến với CAR + + 4 LLR có quan hê ̣ nghi ̣ch biến với CAR - N/A 5 LIQ có quan hê ̣ đồng biến với CAR + N/A 6 ROE có quan hê ̣ đồng biến với CAR + -

7 LEV có quan hê ̣ nghi ̣ch biến với CAR - - 8 GDP có quan hê ̣ đồng biến với CAR + +

Ký hiê ̣u N/A: biến nghiên cứu không có ý nghĩa thống kê.